PSK1-9. Číslicové zpracování signálů. Číslicový signál

Podobné dokumenty
PSK1-5. Frekvenční modulace. Úvod. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka. Název školy: Vzdělávací oblast:

PSK1-11. Komunikace pomocí optických vláken II. Mnohavidová optická vlákna a vidová disperze. 60μm 80μm. ϕ = 250μm

Číslicové filtry. Honza Černocký, ÚPGM

PSK2-5. Kanálové kódování. Chyby

PSK1-20. Antény. Elementární dipól. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka Druhy antén a jejich vlastnosti

PSK2-16. Šifrování a elektronický podpis I

PSK1-10. Komunikace pomocí optických vláken I. Úvodem... SiO 2. Název školy:

PSK1-15. Metalické vedení. Úvod

[ n. Konvoluce. = 0 jinak. 0 jinak. Užitečné signály (diskrétní verze) Jednotkový skok 1 pro n = 0

polyfázové filtry (multirate filters) cascaded integrator comb filter (CIC) A0M38SPP - Signálové procesory v praxi - přednáška 8 2

základní vlastnosti, používané struktury návrhové prostředky MATLAB problém kvantování koeficientů

Úvod do zpracování signálů

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

Flexibilita jednoduché naprogramování a přeprogramování řídícího systému

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

PSK1-14. Optické zdroje a detektory. Bohrův model atomu. Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka.

Číslicová filtrace. FIR filtry IIR filtry. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

Signál v čase a jeho spektrum

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY

PSK3-5. Přesměrování vstupu a výstupu. Vstup a výstup

Identifikátor materiálu: VY_32_INOVACE_357

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

Vzorkování. Je-li posloupnost diracových impulzů s periodou T S : Pak časová posloupnost diskrétních vzorků bude:

Zpracování obrazů. Honza Černocký, ÚPGM

PSK3-9. Základy skriptování. Hlavička

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Identifikátor materiálu: VY_32_INOVACE_356

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

III/2 Inovace a zkvalitnění výuky prostřednictvím ICT

31SCS Speciální číslicové systémy Antialiasing

Lineární a adaptivní zpracování dat. 2. SYSTÉMY a jejich popis v časové doméně a frekvenční doméně

Kapitola 1. Signály a systémy. 1.1 Klasifikace signálů

Algoritmy I. Číselné soustavy přečíst!!! ALGI 2018/19

VÝUKOVÝ MATERIÁL. Bratislavská 2166, Varnsdorf, IČO: tel Číslo projektu

MATLAB. F. Rund, A. Novák Katedra radioelektroniky, FEL ČVUT v Praze. Abstrakt

Diskrétní 2D konvoluce

Diskretizace. 29. dubna 2015

Inovace a zkvalitnění výuky prostřednictvím ICT

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

ÚPGM FIT VUT Brno,

Základní metody číslicového zpracování signálu a obrazu část II.

Tematická oblast: Programování 2 (VY_32_INOVACE_08_2_PR) Anotace: Využití ve výuce: Použité zdroje:

Střední průmyslová škola Zlín

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Identifikátor materiálu: VY_32_INOVACE_352

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Návrh frekvenčního filtru

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

FOURIEROVA ANAL YZA 2D TER ENN ICH DAT Karel Segeth

Úvod do číslicové filtrace

Při návrhu FIR filtru řešíme obvykle následující problémy:

VY_32_INOVACE_In 6.,7.13 Vzorce vložení funkce

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

Modelování systémů a procesů (11MSP) Bohumil Kovář, Jan Přikryl, Miroslav Vlček. 8. přednáška 11MSP pondělí 20. dubna 2015

KONVERZE VZORKOVACÍHO KMITOČTU

Abychom se vyhnuli užití diferenčních sumátorů, je vhodné soustavu rovnic(5.77) upravit následujícím způsobem

Rekurentní filtry. Matlab

DIGITÁLNÍ UČEBNÍ MATERIÁL. Název školy SOUpotravinářské, Jílové u Prahy, Šenflukova 220. Název materiálu VY_32_INOVACE / Matematika / 03/01 / 17

Frekvenční charakteristiky

1. Základy teorie přenosu informací

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

Vlastnosti konvoluce. ÚPGM FIT VUT Brno,

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

VIRTUALIZACE POČÍTAČE HISTORIE A VÝVOJ

U Úvod do modelování a simulace systémů

6 Algebra blokových schémat

Projekt realizovaný na SPŠ Nové Město nad Metují. s finanční podporou v Operačním programu Vzdělávání pro konkurenceschopnost Královéhradeckého kraje

PSK3-11. Instalace software a nastavení sítě. Instalace software

Počítač jako elektronické, Číslicové zařízení

Inverzní z-transformace. prof. Miroslav Vlček. 25. dubna 2013

5. Sekvenční logické obvody

SEZNAM ANOTACÍ. CZ.1.07/1.5.00/ III/2 Inovace a zkvalitnění výuky prostřednictvím ICT VY_32_INOVACE_MA1 Základní poznatky z matematiky

Střední průmyslová škola Zlín

Kapacita, indukčnost; kapacitor-kondenzátor, induktor-cívka

Identifikátor materiálu: VY_32_INOVACE_344

Identifikátor materiálu: VY_32_INOVACE_351

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

O řešení diferenční rovnice y(n+2) 1, 25y(n+1)+0, 78125y(n) = x(n + 2) x(n)

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

IV. Základní pojmy matematické analýzy IV.1. Rozšíření množiny reálných čísel

Zásady regulace - proudová, rychlostní, polohová smyčka

Digitální učební materiál

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávání v informačních a komunikačních technologií

Digitální učební materiál

FILTRACE VE FOURIEROVSKÉM SPEKTRU

r Odvoď te přenosovou funkci obvodů na obr.2.16, je-li vstupem napě tí u 1 a výstupem napě tí u 2. Uvaž ujte R = 1Ω, L = 1H a C = 1F.

Pracovní list VY_32_INOVACE_33_15 Databáze Databáze Databáze Test Ing. Petr Vilímek

þÿ K o n v e r z e v z o r k o v a c í h o k m i t o t u

Identifikátor materiálu: VY_32_INOVACE_348

Tematická oblast: Informační a komunikační technologie (VY_32_INOVACE_09_1_IT) Autor: Ing. Jan Roubíček. Vytvořeno: červen až listopad 2013.

Modelov an ı syst em u a proces

Digitalizace převod AS DS (analogový diskrétní signál )

Seriál II.II Vektory. Výfučtení: Vektory

Fuzzy množiny, Fuzzy inference system. Libor Žák


Transkript:

Název školy: Autor: Anotace: PSK1-9 Vyšší odborná škola a Střední průmyslová škola, Božetěchova 3 Ing. Marek Nožka Princip funkce číslicové filtrace signálu Vzdělávací oblast: Informační a komunikační technologie Předmět: Tematická oblast: Výsledky vzdělávání: Klíčová slova: Druh učebního materiálu: Typ vzdělávání: Ověřeno: Zdroj: Počítačové sítě a komunikační technika (PSK) Principy přenosu informací Žák s pomocí obrázků ukazuje princip číslicové zpracování signálů FIR filter, číslicová filtrace Online vzdělávací materiál Střední vzdělávání, 3. ročník, technické lyceum VOŠ a SPŠE Olomouc; Třída: 3L Vlastní poznámky, Wikipedia, Wikimedia Commons Číslicové zpracování signálů Číslicový signál Číslicový signál je "pouhá" posloupnost vzorků, tedy posloupnost čísel. V našem příkladu označíme vstupní posloupnost x(n). n je pořadí vzorku. x=[ 1, 2, 1.4, 3.1, 1.1, 2, 1, 0, -3.1, -2, -0.9, -2.8, -1.5 ] Graficky znázornit vstupní posloupnost můžeme takto: 1

Číslicový filtr, systém Filtr obecně slouží ke změně časového průběhu nebo frekvenčního spektra signálu. Číslicovým filtr pracuje na následujícím principu: Filtr bere vstupní vzorky, jednotlivé vzorky váhuje (vynásobí je příslušnou konstantou) a sečte je. Výsledkem je výstupní posloupnost. y(n) Příslušné konstanty -- váhy jednoznačně určují vlastnosti filtru a jejich velikost je předmětem návrhu filtru. Obecné schéma číslicového filtru vidíme na následujícím obrázku. (Schéma je zjednodušené a nezahrnuje zpětné vazby.) z 1 označuje zpoždění o jeden vzorek (jeden takt). To znamená, že číslicový systém musí mít paměť a pracovat nejen s aktuálním vzorkem, ale i s několika vzorky předešlými. h(n) označuje konstantu (váhu), kterou je příslušný vstupní vzorek vynásoben. Právě tyto váhy příslušný filtr (systém) jednoznačně charakterizují a určují jeho chování. Říkáme jim impulzní charakteristika. h(n) Impulzní charakteristika Impulzní charakteristika h(n) je obecně odezva na tzv. jednotkový 2

impulz. Jednotkový impulz je jediný vzorek o hodnotě jedna. Mějme následující filtr: h(n) = [ 0.1, 0.2, 0.5, 0.3 ]... jeho vnitřní uspořádání, by se dalo nakreslit asi takto: Jestliže přivedeme na vstup tohoto systému jednotkový impulz tedy x(n) = δ(n) potom na výstupu dostáváme impulzní charakteristiku tedy y(n) = h(n) 3

v okamžiku v okamžiku v okamžiku v okamžiku n = 0 se uplatní pouze váha h(0) = 0.1 n = 1 se uplatní pouze váha h(1) = 0.2 n = 2 se uplatní pouze váha h(2) = 0.5 n = 3 se uplatní pouze váha h(3) = 0.3 (Ostatní váhy jsou vždy násobeny nulou.) Průchod signálu filtrem x(n) Nyní přivedeme na vstup filtru posloupnost. x=[ 1, 2, 1.4, 3.1, 1.1, 2, 1, 0, -3.1, -2, -0.9, -2.8, -1.5 ] Průchod filtru můžeme znázornit následujícím způsobem: Dáme pod sebe vstupní posloupnost x(n) a časově převrácenou impulzní charakteristiku h(n) a budeme násobit vždy vzorky, které jsou pod sebou. (Toto odpovídá matematické operaci konvoluce). 4

n = 0 y(0) = 0.1 1 + 0.2 0 + 0.5 0 + 0.3 0 = 0.1 n = 1 y(1) = 0.1 2 + 0.2 1 + 0.5 0 + 0.3 0 = 0.4 n = 2 y(2) = 0.1 1.4 + 0.2 2 + 0.5 1 + 0.3 0 = 1.04 5

n = 3 y(3) = 0.1 3.1 + 0.2 1.4 + 0.5 2 + 0.3 1 = 1.89 n = 4 y(4) = 0.1 1.1 + 0.2 3.1 + 0.5 1.4 + 0.3 2 = 2.03 6

n = 5 y(5) = 0.1 2 + 0.2 1.1 + 0.5 3.1 + 0.3 1.4 = 3.29 Výsledkem je posloupnost zobrazená na následujícím obrázku. Vidíme, že výstupní posloupnost připomíná funkci sinus. Filtr se tedy očividně chová jako dolní propust. y(n)=[ 0.1, 0.4, 1.04, 1.89, 2.03, 2.39, 1.98, 1.53, 0.79, -0.52, -2.04, -2.39, -1.76] 7

V této prezentaci se pokouším o prvotní přiblížení problematiky středoškolským studentům a proto zde záměrně opomíjím zpětné vazby a systémy s nekonečně dlouhou impulzní odezvou. Python kód, který vytvořil obrázky: Cislicovy_filtr 8